前端埋点统计方案思考

10次阅读

共计 3768 个字符,预计需要花费 10 分钟才能阅读完成。

埋点即监控用户在应用表现层的行为,于产品迭代而言至关重要。埋点数据分析是产品需求的 来源,检验功能是否达预期的 佐证。前端较服务端更接近用户,本小白将在此对前端埋点统计方案述说一二。
采集埋点数据可做如下分析(以百度统计为例):

将 用户属性、用户行为 转化各类可视化图表:

不同产品对数据的关注角度不同,可按需采集。如信息流产品对停留时长的关注度更高(统计页面访问 & 跳出时间),商城类较注重“复购率”(统计新老用户),广告类更追求最大限度。
埋点统计通常分两类:

页面访问量统计
功能点击量统计

页面访问量统计
页面访问量统计通常分两类:

PV:页面访问人次

UV:页面访问人数

页面访问量,并非仅仅取决于其内容吸引力,影响因素包含入口 外观、位置、深度 等等(在此不考虑刚需)。入口外观属 UI 设计范畴,入口位置可通过分析用户点击热力图调整,入口深度可通过分析用户访问路径调整。
用户点击 热力图 形如:

将核心页面入口置于热力图红色区域?
采集页面加载 from、to 以获知用户访问路径:

分析可知用户普遍 访问深度、每一深度 & 每一页面的 流失率 等,依照结果调整核心页面入口源、入口深度?
页面访问量,也并非仅仅取决于产品设计。假若 PV 稳定的页面访问量 爆跌,便需考虑其加载成功率了(或许是枚技术 bug)。

前端如何实现全局 PV 统计,以 Vue 应用为例。
方案一
通过在入口文件 index.js 全局定义 Router.beforeEach:
import App from ‘./app’
import Router from ‘./router’

Router.beforeEach((to, from, next) => {
App.logEvent({
type: ‘visit’,
name: to.name,
time: new Date().valueOf(),
params: {
from: {
name: from.name,
path: from.path,
query: from.query
},
to: {
name: to.name,
path: to.path,
query: to.query
}
}
})
next()
})
停留时长可通过(跳转页 time – 当前页 time)获知,但关闭应用时如何统计?监听应用关闭 onbeforeunload + onunload?
其中 App.logEvent 为自定义 Vue 插件 App 中的 method,用于向服务器发起 埋点上报请求:
import Request from ‘./utils/request’

const App = {
// …
logEvent (opts) {
Request({
url: ‘/log/event’,
method: ‘POST’,
data: {
type: opts.type,
name: opts.name,
time: opts.time,
params: opts.params || {}
}
})
}
}
App.install = (Vue, options) => {
Vue.prototype.$app = {
// …
logEvent: App.logEvent
}
}

export default App
方案二
通过在入口文件 index.js 全局注册混入 beforeRouteEnter、beforeRouteLeave 对象:
import Vue from ‘vue’

Vue.mixin({
beforeRouteEnter (to, from, next) {
next(vm => {
vm.$app.logEvent({
type: ‘visit’,
name: to.name,
time: new Date().valueOf(),
params: {
from: {
name: from.name,
path: from.path,
query: from.query
},
to: {
name: to.name,
path: to.path,
query: to.query
}
}
})
})
},
beforeRouteLeave (to, from, next) {
this.$app.logEvent({
type: ‘visit’,
name: to.name,
time: new Date().valueOf(),
params: {
from: {
name: from.name,
path: from.path,
query: from.query
},
to: {
name: to.name,
path: to.path,
query: to.query
}
}
})
next()
}
})
关闭应用时 beforeRouteLeave 是否触发?
上述方案存在明显缺陷:

官方曰慎用全局混入对象!!!
对于页面同名钩子函数 beforeRouteEnter、beforeRouteLeave,如何 merge?如何 next?
含子路由的页面将调用 2 次 beforeRouteEnter、beforeRouteLeave,PV 无形翻倍 …

我猜此刻有打全局混入 created、destroyed 并通过 this.$route 获知访问对象主意的人了,试试看?

令人不知所措的输出,打印次数与 路由表 长度一致嗷~
其中 this.\$app.logEvent(vm.\$app.logEvent)等同方案一中 App.logEvent,不再赘述。

如何恰当选取全局 PV 统计方案?

SPA 应用:仅单入口,在入口文件全局定义 Router.beforeEach 方便可行。

MPA 应用:多入口,在每个入口文件定义 Router.beforeEach?可封装公用逻辑(伪装单入口),免去重复构造 entry 的成本。

SPA + MPA 混合应用:emmmmmm… 采用 MPA 应用的统计方案。

SSR 应用:为追求更好的 SEO 而采用服务端渲染(SSR)。以 Jinja(Python 模板)为例,调用 TemplateView 则为渲染页面(不同于前后端分离项目,服务端无法获知接口调用与页面渲染的对应关系),统计其调用次数及 TemplateName 可知页面 PV。

至于 UV,统计 PV 时采集 userId 去重即可。若应用无用户管理体系,采集 IP、deviceId 也可粗略得知 UV(不精准)。

功能点击量统计
不同功能的点击量不同,同一功能不同区域的点击量也不同:

按钮点击量,影响因素包含按钮 外观、位置、入口 等等(在此不考虑刚需)。按钮外观属 UI 设计范畴,按钮位置可通过分析用户点击热力图调整,按钮入口可通过分析触发源分布调整。
举一实例:

运营同学会将一张图片裁切成 n 个区域,点击每一区域所推荐商品不同。统计区域点击坐标,据热力图调整商品排序以求 利益最大化。

前端如何实现功能点击量统计?
本人将功能点击分两类:

带业务接口请求
无业务接口请求

方案一
将埋点上报混入业务接口请求,无接口请求的点击采用自定义上报:

其中 param keys 指代需上报的业务请求参数 key list(并非全部参数均需随埋点上报)。
上述方案大大节约请求数,但存在明显缺陷:

将埋点上报混入业务接口,上报 crash 不仅丢失统计数据,还将影响主功能。
统计与业务 高耦合,两者尽量不混于同一服务。

方案二
将所有点击事件视为同一类,走统一上报接口:
logEvent (opts) {
Request({
url: ‘/log/event’,
method: ‘POST’,
data: {
type: opts.type,
name: opts.name,
time: opts.time,
params: opts.params || {}
}
})
}
上述方案也存在明显缺陷:

请求量翻倍:但统计与业务服务拆分后,请求并非同一组服务器承担。
待上报的点击事件函数均需调用 logEvent:封装一枚附带埋点上报的 组件,以 Vue 为例。

<template>
<div class=”vc-trace” @click=”triggerClick”>
<slot></slot>
</div>
</template>

<script>
import Request from ‘./utils/request’

export default {
name: ‘Trace’,
props: {
type: {
type: String,
default: ”
},
name: {
type: String,
default: ”
},
from: {
type: String,
default: ”
},
params: {
type: Object,
default: () => ({})
}
},
methods: {
triggerClick () {
Request({
url: ‘XXX/log/event’,
method: ‘POST’,
data: {
type: this.type,
name: this.name,
from: this.from,
time: new Date().valueOf(),
params: this.params
}
})
}
}
}
</script>

方案本无优劣,适合才更重要,需综合考虑 产品设计、产品使用度、服务利用率 等等。例使用度较低应用可将统计与业务混于同一服务以节约成本,使用度较高应用可采取 本地缓存、批量上报 以降低服务压力,但批量上报是否加大统计 误差?
本文所述仅冰山一角,欢迎大家留言宝贵经验~

作者:呆恋小喵
我的后花园:https://sunmengyuan.github.io…
我的 github:https://github.com/sunmengyuan
原文链接:https://sunmengyuan.github.io…

正文完
 0